区块链赋能智能情报分析算法风险治理机制研究

马海群 张涛

摘   要：人工智能技术在情报分析中的广泛运用，为决策与服务带来便捷的同时，智能算法所带来的风险问题也尤为突出，而对智能情报分析算法风险治理机制的创新研究是系统化、科学化防范与化解算法带来安全风险的主要手段，具有重要的现实意义。文章研究阐释了智能情报分析算法所面临的风险，从用户层、机制层和过程层三个视角分析了区块链赋能智能情报分析算法风险治理框架，并最终形成将区块链与智能情报分析算法风险相融合的分析治理机制。从共识协议赋能算法风险预警机制、智能合约赋能算法风险监测机制、激励规则赋能算法风险自治机制和时间戳溯源赋能算法风险回溯机制四个方面分析机制核心内涵，旨在为政府及情报工作机构算法风险治理提供决策与借鉴。

关键词：区块链；智能情报分析；算法风险；治理机制；算法治理

中图分类号：G353   文献标识码：Ａ   DOI：10.11968/tsyqb.1003-6938.2023006

Abstract The widespread application of artificial intelligence technology in intelligence analysis， it brings convenience to decision-making and services， but the risk problem brought by intelligent algorithms is also particularly prominent. The innovative research on the risk management mechanism of intelligent intelligence analysis algorithms is systematic， The main means of scientifically preventing and resolving the security risks brought by algorithms have important practical significance. The risks faced by intelligent intelligence analysis algorithms are studied and explained. the risk governance framework of blockchain empowerment intelligent intelligence analysis algorithms is analyzed from three perspectives： user level， mechanism level and process level. The risk of blockchain and intelligent intelligence analysis algorithms is combined to form a governance mechanism. Analyzes the core connotation of the mechanism from four aspects： the consensus agreement enabling algorithm risk early warning mechanism， the smart contract enabling algorithm risk monitoring mechanism， the incentive rule enabling algorithm risk autonomy mechanism and the time stamp enabling algorithm risk backtracking mechanism， aiming to provide decision-making and reference for the government and the intelligence work organization algorithm risk governance.

Key words blockchain empowerment; intelligent intelligence analysis; algorithmic risk; governance mechanism; algorithmic governance

智能算法是以人工智能技术为依托，数据为基础，进而建立解决特定问题的计算机程序模型。随着算法在情报分析项目中的广泛运用，其带来的安全风险更具隐蔽性。算法风险是大数据与人工智能时代情报分析所特有的研究问题，传统监管模式下的风险防范和治理机制已无法有效化解算法应用所引发的社会风险，不受监管的算法极易成为违法行为和权力滥用的避风港。党的二十大报告中强调提高防范化解重大风险能力，严密防范系统性安全风险，同时加快建设数字中国的决策部署，而加强算法风险防范与治理研究符合总体国家安全发展战略需求与战略导向。2022年3月，《互联网信息服务算法推荐管理规定》的出台，意味着我国政府已经意识到算法风险会给社会稳定乃至国家安全带来严重后果，当前国家正在逐步完善和健全算法治理相关制度，而智能情报分析是服务国家重大决策、支撑科技创新的重要基础性工作，更是情报机构主动适应国家安全与发展，实现情报工作創新的必要举措，因此针对情报工作领域的算法风险治理机制研究更具有针对性。区块链作为一种治理术，将其应用于算法风险治理并推动治理机制创新的同时，还能为治理机制应用与推广提供有效的指引与规范［1］。本文针对区块链赋能智能情报分析算法风险治理机制进行研究，旨在为防范与化解隐藏在深处的智能情报分析算法风险提供决策依据。

1   相关研究

1.1    区块链赋能治理研究

区块链作为一种全新的去中心化、高信任性技术，它能够通过P2P网络实现去中心化资源共享，通过非对称性加密实现查证与溯源，在赋能各领域治理方面具有独特优势，国内外学者针对区块链赋能治理形成了一系列研究成果。如Fu和Zhu提出利用区块链技术解决目前智能物流系统相关数据运行过程中存在的安全威胁和隐私泄露风险［2］；朱婉菁研究了区块链作为治理机制的内在逻辑、风险挑战与政策因应［3］；Lumineau等讨论了基于区块链治理如何以替代和互补的方式与传统治理机制相互作用，并提供了一种执行协议和实现合作与协调的治理方案［4］；HUH认为基于区块链自组织治理机制可以解决可持续发展目标与治理实践间的冲突［5］；Song等提出区块链Proof-of-Contribution共识机制并研究其在知识产权保护中的应用［6］；谷俊和许鑫构建了人文社科数据共享联盟链模型，并通过对Data-verse开源数据管理软件的二次开发，设计并实现了人文社科数据共享联盟平台［7］；郑荣等基于联盟区块链技术构建政府数据协同治理平台［8］；周鑫等构建区块链赋能的突发公共卫生事件的开放数据隐私保护模式［9］。

1.2    智能情报分析

智能情报理念源于1993年钱学森先生“人机结合是智慧式情报的关键”的提法。王飞跃基于钱学森的理念提出“平行智能情报”。马费成和李志元提出数智时代要体现情报学和情报实践的中国特色和中国风格［10］。近年来学界围绕智能情报分析理论与应用研究进一步展开讨论。

学者们从智能情报分析的框架、模型、体系、内容等多方面对其理论进行探讨：如化柏林和李广建提出了智能情报分析系统框架［11］；曾文等利用数据分析工程化方法，提出并构建智能情报分析决策模型［12］；王天宇和孙宇军用功能分析方法和系统工程方法构建了智能情报算法体系［13］；李广建和罗立群系统分析并论述了计算型情报分析的主要内容［14］；邱韵霏和李春旺提出了支撑智能情报分析服务的大数据资源体系框架结构及建设原则，并对数据驱动和知识驱动方法在情报分析中的单独应用与融合发展问题进行了分析［15］。此外，还有学者从反恐情报、科技情报、军事情报、安全情报等多领域进行了应用层面的研究，如曾子明和王婧构建了基于网格技术的泛在化、智能化和协同化的智慧反恐信息系统，并探讨了系统架构内容及智慧反恐情报服务的保障机制［16］；刘明月等提出了基于人工智能的科技情报需求自动感知研究方法，并分模块提出了实现方案［17］；王天尧和吴素彬在对军事情报工作智能化的表现进行梳理后，总结分析了美军事情报工作智能化发展途径及其主要特点［18］；王秉等对安全情报的研究原则和路径进行了剖析，并对安全情报研究方法的构成进行了分析［19］。此后中国科学院文献情报中心成立的智能情报重点实验室更是理论与应用研究相结合的重要支撑。

1.3    算法风险治理机制

随着算法日益成为经济社会发展的重要支点，算法黑箱、算法操控、算法共谋、算法偏见、算法歧视等风险也随之而来，算法风险治理框架与机制也成为了学界关注的热点问题，如Lysaght等采用了健康大数据伦理框架的审慎平衡方法确定相关价值，以确保更高效的医疗保健与人工智能伦理相平衡［20］；黎梦兵认为决策过程中容易引发隐私泄露风险、算法决策错误风险、算法偏见风险和声誉风险等，使用户面临不确定的算法决策环境，提出构建算法决策的社会信任机制［21］；王燃认为应注意大数据司法监督中的数据风险和算法风险，并有针对性地提出了实时监督机制、业绩考核机制、证据审查机制以及偏离度预警机制［22］；Vassilopoulou等基于叙述性审查，提出了检查算法偏见的治理框架［23］。

综上所述，当前研究主要体现在以下方面：智能情报分析理论与应用研究已经初具雏形，并已形成了较多的研究成果，虽然已有学者针对算法风险治理机制及框架进行研究，也有区块链赋能治理机制的研究成果，但尚缺乏针对区块链赋能智能情报分析算法风险治理研究成果。因此，本文将在已有文献研究基础上，从区块链赋能智能情报分析算法“事前风险预警、事中风险监测、事后风险回溯”三个方面对其治理机制进行研究，旨在为政府及情报工作机构算法风险治理提供决策与借鉴。

2   智能情报分析算法风险及区块链赋能治理框架

当前，我国在智能情报分析算法风险治理方面研究相对薄弱，本文通过阐释智能情报分析算法所面临的风险以从用户层、机制层和过程层三个视角构建智能情报分析算法风险治理的总体框架。

2.1    智能情报分析算法面临的风险

数智时代情报分析算法风险具有一定的特有性，主要包括四个方面［24］：一是失实风险，当智能算法应用于情报分析各环节可能会产生失实风险。失实风险是智能算法得出的错误结论导致内容失实、情报错误，进而影响整个情报分析的准确性和真实性。失实风险主要由算法设计本身的局限性和输入数据的错误导致的，最关键的是由于智能算法所具有的黑箱特征和复杂特征导致使用者无法发现算法内部结构，而算法看上去客观、权威，但实际情报分析的结果严重偏离实际；二是决策风险，决策风险是指由于情报工作人员过于相信算法，对某些决定进行思考、判断时出现错误。在情报分析过程中，智能算法按照情报工作人员的数据画像定点收集并推送大量信息，导致无法辨别真假情报，那么情报决策将面临巨大风险，更重要的是情报工作人员可能会越来越依赖算法，从而失去对情报的独立判断，算法替代人成为决策主体，人的主体性被物化，如ChatGPT其强大的人机交互功能迅速受到追捧，但其具有典型的黑箱特征，无法窥视其内部算法运算过程，一旦应用于情报分析领域其带来的决策风险将不可预知；三是偏见风险，偏见风险的产生是由于算法运行系统中的偏见因素导致偏见的结果输出。算法偏见存在于智能情报分析系统设计和运行的每一个环节，包括算法设计者的偏见、输入数据的偏见和算法局限的偏见；四是隐私风险，隐私风险的产生因数据而起，算法與数据是密切相关的，而智能情报分析系统要基于数据，无论作为一种技术目标，还是一种服务目标，智能情报分析算法会永不疲倦的搜集数据（包括隐私数据），以便于其形成智慧化分析结果，这使得算法对用户的“了解”越来越准确，而情报工作人员可能会无视用户的隐私保护：一方面会持续过度搜集隐私数据，另一方面对数据缺少有效保护，这就会导致在流转过程中出现数据泄露。

2.2    区块链赋能治理框架

针对智能情报分析算法面临的风险，本文从用户层、机制层和过程层三个视角形成区块链赋能智能情报分析算法风险治理框架（见图1）。

（1）用户层。本文所提出的链上用户是经过授权进入区块链平台上的所有用户，他们之间具有较为明确的利益关系，而明确链上用户及其利益关系是区块链赋能智能情报分析算法风险治理的前提条件。借鉴利益相关者理论［25］，笔者认为智能情报分析中利益相关者的概念可以界定为：能够影响智能情报分析的目标实现、参与智能情报分析过程或受到智能情报分析影响的所有组织和个体。根据概念界定，智能情报分析中利益相关者包括两方面内涵：一是指参与智能情报分析过程的组织和个人，其为智能情报分析的可靠性、及时性、准确性提供支持；二是指受智能情报分析影响的组织和个体，其在智能情报分析过程中获得准确的情报，并通过智能情报分析结果创造经济价值、社会价值。结合以上论述，智能情报分析中利益相关者就较为明确了，包括发起者、开发者、监管者、第三方、使用者。其中，发起者是智能情报分析需求设计、策略制定者；开发者是智能情报分析项目的开发组织或个体；监管者是政府监管机构、行业监管组织、情报机构监管部门等；第三方是对智能情报分析项目中存在的算法安全风险进行评估与测试的机构；使用者是当产品投入使用后，使用这些产品的情报机构、研究所等组织或个体［26］。

（2）机制层。机制层是连接用户层和过程层的纽带，它是区块链赋能智能情报分析算法风险治理机制的核心，包括四方面内涵：一是共识协议，它是让每个链上用户在去中心化状态下达成共识的核心技术，链上的任何操作都要经过多数成员同意并达成一致；二是智能合约，它是一种以程序代码形式定义的数字合约，其执行条件限制已经提前制定，当执行条件被触发时，区块链上的节点就遵循制定好的规则运行合约［27］；三是激励规则，它是促进智能合约良性运转的关键环节，激励规则的设置在智能合約中处于核心地位［28］；四是时间戳溯源，链上用户任何操作都会通过唯一的时间戳记录到区块链上，各区块按照时间顺序相互连接，形成一个可追踪溯源的链式数据结构。

（3）过程层。结合用户层和机制层将区块链赋能智能情报分析算法风险治理划分为以下三个过程［29］：一是事前算法风险预警。智能情报分析项目开发完成后，需要第三方对项目中的算法风险进行评估，算法风险评估往复过程均由区块链记录，因此确保了公平性、准确性，链上被授权用户能够对开发者与第三方评估过程进行查阅，这实现了对智能情报分析项目中算法风险协作预警，同时能够降低项目运行后所带来的风险；二是事中算法风险监测。利用智能合约约束各节点任务自动履约，其中激励规则的设置有效保障了各节点的参与积极性，确保实现监管者对智能情报分析项目中“数据-算法-流程”的全面透视，同时全流程的数据也受到链上用户监督，有效实现全网监管、自律监管，还能解决当前监管机构之间缺乏协作、运转不畅、效率低等问题；三是事后算法风险回溯。由于智能情报分析项目上链后，全流程的信息均会被记录在区块链上且无法篡改，利用区块链溯源的特性能够追踪风险产生的根源，进而根据初始设置的问责点实现事后精准回溯与问责，有效解决由智能算法引发的情报失准且难以查证的问题，最终将问责点与事前算法风险识别中风险点进行同步，使治理过程循环往复。

3   区块链赋能智能情报分析算法风险治理机制核心内涵分析

区块链赋能智能情报分析算法风险治理框架中的机制层是治理运转的核心，同时它起到了桥梁纽带作用。本文从共识协议、智能合约、激励规则和时间戳溯源四个机制层核心内涵出发对区块链赋能智能情报分析算法风险治理机制进行研究。

3.1    共识协议赋能算法风险预警机制

共识协议赋能智能情报分析算法风险协作预警机制包括三部分：一是交易确认。区块链中的每个区块的主体都以“时间戳”的形式访问数据库，此过程涉及将每次活动输入区块链节点并确认交易过程已完成。同时，智能情报分析算法所涉及的过程数据在所有节点上传并得到链上用户的核实与确认后，才能够将自身所有信息写入区块链，当有用户认为过程数据真实性有偏差时，区块链将主动拒绝触发节点的事件；二是共享记账。基于分布式账本技术，各区块实现了信息的同步记录、直接交易和共同维护的共享记账。分布式账本的去中心化组织结构为链上用户提供了协作式的算法风险预警公共空间，分布式账本为多中心协同治理创造了可靠的路径，由于操作记录均在链上记载，这种“人人备份”“人人监督”的日志逻辑，不仅可以增加账本的安全性，还能有效防范智能情报分析项目中算法权力滥用和寻租风险；三是预警联防。链上成员共同实现对智能情报分析算法风险动态性协作预警与联防，采取共识协议POW（Proof of Work）实现多主体间互信，创造可信环境，运用的POW工作量证明来使全网节点达到51%及以上的共识记账，整个过程均采取Hash算法加密传输方式（具体机制见图2），其流程分五步：（1）发起者确定需求并提交；（2）开发者上传智能情报分析项目算法文档至区块链中，然后再将可公开部分的数据上传至数据共享平台；（3）第三方对智能情报分析项目中的算法进行测试，并将算法风险测试数据上传至数据共享平台；（4）被授权的链上用户能在平台上查询算法相关信息，如一旦发现问题将向监管者发出预警，并将数据上传至链上；（5）通过区块链共识协议监管者将多方参与者相关联，实现对智能情报分析算法风险的协作预警与联防。

3.2    智能合约赋能算法风险监测机制

智能合约部署到区块链系统后，合约就能按照一定条件自动执行，通过这种方式能够高效精准助推链上的各节点履行预设权利和义务，并且能够实现智能情报分析算法风险实时监测。智能合约的创建和调用都存储在区块链内，其执行过程和执行结果是公开透明并可审计。本文所设计的智能合约由三部分组成，即算法合约、数据合约、管控合约。其中算法合约存储了存在算法风险的相关代码，包括哪些算法会引起算法黑箱、算法缺陷，尤其是《互联网信息服务算法推荐管理规定》出台后，违反该规定的规则以程序代码的形式加入合约；数据合约存储了各类数据风险的相关代码，包括数据是否存在数据造假、数据投毒等问题，尤其要依据《网络安全法》《数据安全法》《个人信息保护法》的规定，将规则以程序代码的形式加入合约；管控合约主要根据预先定义好的规则和条款对链上用户的访问权限进行自动控制，合约规则会持续更新以增强实时监管效果，主要更新形式包括第三方所提出的智能情报分析项目中数据和算法相关风险点和事后回溯过程中发现的风险点，这些链上行为一旦被确认将以代码的形式更新到智能合约中。

智能合约赋能算法风险监测机制（见图3）的流程可分为：（1）选举确定开发者。发起者提交智能情报分析项目开发需求，开发者由链上用户选举产生，当超过51%用户选举时，触发管控合约，确定开发者；（2）第三方测试。开发者基于发起者提出开发需求，在规定时间内完成项目，并提交完整的项目代码和数据，与此同时还需要提交《智能情报分析项目需求分析报告》《智能情报分析项目数据设计报告》《智能情报分析项目核心算法解释性文档》《智能情报分析项目流程设计方案》《智能情报分析项目测试报告》［24］，提交完成后分别触发数据合约、算法合约和管控合约；（3）选举确定第三方。第三方同样需要由链上用户选举产生，当超过51%的用户选举时，触发管控合约，确定第三方；（4）第三方评估。从“数据-算法-流程”三个角度全面识别智能情报分析项目中存在的算法风险问题，并依据智能合约数据模块和算法模块中的规约条款提交算法风险报告，从而触发数据合约与算法合约自动对智能情报分析项目风险进行定级；（5）风险整改。开发者收到报告后，按照时间及风险点对项目进行整改，完成后提交整改报告触发管控合约；（6）反复校验。第三方进行校验，此过程会往复，直到完全符合标准后，触发管控合约授权需求者与开发者，产品进入使用环节；（7）全程记账。以上过程通过时间戳的方式存入区块链账本，而智能合约是通过规则自动触发，因此能够实现智能情报分析算法风险实时监测，且监管者也能对算法风险进行全程监管。

3.3    激励规则赋能算法风险自治机制

激励规则就是通过规则鼓励开发者、第三方自愿地参与到监管者这个角色中来，以促进多方自治机制的形成。通过智能合约可以辅助智能情报分析算法风险治理环节的自动奖惩，同时监管整个数据操作流程的合理、合法和合规，通过设置合约中的激励规则實现开发者与第三方自愿参与到治理机制中来。链上用户实现机会公平和竞争公平的同时，在激励规则作用之下自发倡导、自发组织，并确保区块链系统自我组织和自我治理，进而形成“开发者-第三方”的和谐共生与有机统一的自治生态。

增强开发者与第三方自愿性是激励规则制定的主要任务，激励规则是各主体之间达成共识意愿的关键点。本文采用经济和声誉复合型激励规则来解决治理主体自愿行为，使各主体诚实参与到治理的全过程中来。经济激励主要是“开发者-第三方”通过线上完成任务给予的经济报酬。声誉激励则是激励规则的核心，在去中心化的区块链系统中，每个链上用户都有平等的资格和机会参与竞争，并能够通过工作获得相应的积分奖励，链上积分等同于声誉，积分高的用户可以获得更多的机会，使所有参与者可以跨越组织信任的边界，创造一种无边界的协同发展关系，从而鼓励更多的节点加入算法风险治理中以获得积分奖励。事实上，区块链的去中心化协作能更好地激励用户持续参与到声誉激励中来，链上用户逐渐形成信任共识，让贡献者受益，破坏者受罚，甚至被淘汰（部分开发者和第三方设计的激励规则见表1）。

依照激励规则，开发者、第三方在区块链的持续参与会得到回报，尤其是因为其声誉提升而获得了更多的激励。当参与测试的企业节点诚实地持续为网络做出贡献，该协议将以声誉评分的形式给予他们更多的特权，并由此带来相关利益。以上激励体现了参与者在参与量化方面的激励，强调的是持续参与方面的声誉激励。这种激励方式还会根据参与质量给予不同奖励，即参与贡献越大，质量越高，奖励越大，反之亦然，强调诚信参与的声誉激励。通过激励规则鼓励算法风险治理的各方用户积极参与进来，结合零知识证明和密码学承诺对恶意的参与方进行积分惩罚，进而促进公平与公正。

3.4    时间戳溯源赋能算法风险回溯机制

区块链中每个区块的时间戳都纳入上一个区块的时间戳，进而形成了一个嵌套式的时间戳链条，链上操作记录按照方式前后相连，每个数据区块的编辑历史都被完整的记录下来并广播至全网各个节点，这确保能够实现情报分析算法风险全链路、端对端的追踪溯源，找到算法风险真正的源头实现事后精准问责，同时将风险降到最低［30］。智能情报分析项目中的数据、算法、流程由监管者授权链上用户访问，授权后不仅所有数据、算法、流程都是公开的，而且供需双方的一切联系信息均是对称的，即智能情报分析项目的整个链条数据都是可以溯源的，对于链上每个环节的用户，特别是对监管者而言，能够通过网络内部公开信息和对称信息来追踪整个项目中数据与算法的来源和流向，从而强化其对智能情报分析项目运行全过程的正向信念，使得参与者之间的信任前提得以满足。

时间戳溯源赋能算法风险回溯机制（见图4）的流程为：（1）智能情报分析项目开发者在区块链平台上创建过程性记录，包括数据选择、算法选择、模型设计选择、验证设计记录等；（2）第三方对上传的相关数据进行测试，然后将测试后的结果同步至区块链平台；（3）时间戳溯源的核心是监管者，监管者通过时间戳溯源SDK接口进行数据与算法风险点的溯源查询，实现对智能情报分析算法风险的回溯与问责；（4）回溯与问责过程中要全程加强监管者对算法知识产权保护，赋予开发者对算法的控制权限，否则无法保障开发者后续盈余，这样会对开发者的积极性带来负面影响，因此，回溯机制在最大限度保护开发者核心算法知识产权的同时，还要促进长效激励机制的产生，以满足利益相关者之间的利益约束。

4   结语

随着算法应用的不断深化，防范与化解智能情报分析算法风险作为情报工作安全管理的重要任务之一，不仅能为情报工作提供基本保障，而且还能降低智能情报分析过程中的安全风险，提升情报分析精度、准度和效率。本文首先阐释了智能情报分析算法所面临的风险，然后从用户层、机制层和过程层三个视角分析了区块链赋能智能情报分析算法风险治理框架，最后从共识协议赋能算法风险预警机制、智能合约赋能算法风险监测机制、激励规则赋能算法风险自治机制和时间戳溯源赋能算法风险回溯机制四个方面分析机制核心内涵。此外，本文尚有可拓展空间：由于区块链建链需要较高成本，因此本文并未实际通过搭建区块链平台来验证所提出的治理机制，但在未来的研究过程中，团队将考虑与企业、政府合作搭建基于Hyperledger Fabic的区块链治理平台并在区域进行推广应用。

参考文献：

［1］  熊光清，熊健坤.多中心协同治理模式：一种具备操作性的治理方案［J］.中国人民大学学报，2018，32（3）：145-152.

［2］  Fu Y，Zhu J.Operation mechanisms for intelligent logistics system：A blockchainperspective［J］.IEEE Access，2019（7）： 144202-144213.

［3］  朱婉菁.区块链作为治理机制的内在逻辑、风险挑战与政策因应［J］.探索，2020（4）：76-87.

［4］  Lumineau F，Wang W，Schilke O.Blockchain Governance—A New Way of Organizing Collaborations？［J］.Organization Science，2021，32（2）：500-521.

［5］  HUH T.Tackling the Tension between Sustainable Development and Governance through Self-organizing Governance with Blockchain［J］.The Journal of NGO Studies，2020，15（1）：145-173.

［6］  Song H，Zhu N，Xue R，et al.Proof-of-Contribution consensus mechanism for blockchain and its application in intellectual property protection［J］.Information Processing & Management，2021，58（3）： 102507.

［7］  谷俊，許鑫.人文社科数据共享模型的设计与实现——以联盟链技术为例［J］.情报学报，2019，38（4）：354-367.

［8］  郑荣，高志豪，魏明珠，等.基于联盟区块链的政府数据协同治理平台框架研究［J］.情报学报，2022，41（10）： 1071-1084.

［9］  周鑫，张静，谢津，等.区块链赋能突发公共卫生事件开放数据隐私保护研究［J］.现代情报，2023，43（1）：141-150.

［10］  马费成，李志元.中国当代情报学的起源及发展［J］.情报学报，2021，40（5）：547-554.

［11］  化柏林，李广建.智能情报分析系统的架构设计与关键技术研究［J］.图书与情报，2017（6）：74-83.

［12］  曾文，李辉，李荣，等.数据工程视角下的智能情报分析与应用探索［J］.情报理论与实践，2018，41（7）：31-34，59.

［13］  王天宇，孙宇军.智能情报算法体系的构建［J］.中华医学图书情报杂志，2018，27（7）：44-48.

［14］  李广建，罗立群.计算型情报分析的进展［J］.中国图书馆学报，2019，45（4）：29-43.

［15］  邱韵霏，李春旺.智能情报分析模式：数据驱动型与知识驱动型［J］.情报理论与实践，2020，43（2）：28-34.

［16］  曾子明，王婧.基于顶层设计的智慧反恐情报服务及保障研究［J］.情报杂志，2017，36（8）：18-22.

［17］  刘明月，白如江，于纯良，等.基于人工智能的科技情报需求自动感知研究［J］.情报理论与实践，2019，42（9）：41-46，79.

［18］  王天尧，吴素彬.迈向智能化的美国军事情报工作发展研究［J］.情报杂志，2020，39（3）：1-7，80.

［19］  王秉，黄庆文，游波，等.安全情报学方法论研究［J］.中国安全科学学报，2021，31（7）：9-14.

［20］  Lysaght T，Lim H Y，Xafis V，et al.AI-Assisted Decision-making in Healthcare： The Application of an Ethics Framework for Big Data in Health and Research［J］.Asian Bioeth Rev，2019，11（3）：299-314.

［21］  黎梦兵.数字中国背景下算法决策的社会信任机制研究［J］.理论导刊，2021（10）：90-95.

［22］  王燃.大数据司法监督机制研究［J］.湖南科技大学学报（社会科学版），2021，24（3）：132-141.

［23］  Vassilopoulou J，Kyriakidou O，zbilgin M F，et al.Scientism as illusio in HR algorithms：Towards a framework for algorithmic hygiene for bias proofing［J］.Human Resource Management Journal，2022：1-15.

［24］  张涛，马海群.智能情报分析中数据与算法风险识别模型构建研究［J］.情报学报，2022，41（8）：832-844.

［25］  付俊文，赵红.利益相关者理论综述［J］.首都经济贸易大学学报，2006（2）：16-21.

［26］  马海群.总体国家安全观下情报工作保障体系构建研究［J］.情报资料工作，2021，42（3）：71-81.

［27］  郑荣，张薇，高志豪.基于区块链技术的政府数据开放共享平台构建与运行机制研究［J］.情报科学，2022，40（5）：137-143.

［28］  杜宇，王宏业，胡至洵.基于区块链激励机制下区域性高校文献信息资源共建共享研究［J］.农业图书情报学报，2022，34（4）：74-83.

［29］  张涛，马海群.智能情报分析中算法风险及其规制研究［J］.图书情报工作，2021，65（12）：47-56.

［30］  Brandin R，Sepehr A.Information traceability platforms for asset data lifecycle：blockchain-based technologies［J］.Smart & Sustainable Built Environment，2021，10（3）：364-386.

作者简介：马海群，男，黑龙江大学信息资源管理研究中心教授，博士生导师；张涛，男，黑龙江大学信息管理学院副教授。